谷歌最新AI演算法曝光：掃描眼睛預測心臟病

谷歌及其健康技術子公司的科學家們發現了一種新的方法：掃描眼睛並通過AI演算法來評估一個人患心臟病的風險。

對病人眼睛後部掃描的分析，該公司的軟體能夠準確地推斷多項數據，包括個人的年齡、血壓以及他們是否吸煙。然後，這可以用來預測他們患上重大心臟病症的風險：比如心臟病發作。

該演算法可能使醫生更快更容易地分析病人的心血管風險，而不再需要血液測試。

但是該方法需要更徹底的測試後，才能用於臨床。

近日，《自然》雜誌「生物醫學工程」上發表了一篇描述這項研究的論文，Google的這項演算法可能意味著更快更準確的心血管風險預測。

這些公司的科學家在《自然-生物醫學工程》（《Nature Biomedical Engineering》）上發表的一篇新論文中詳細介紹了他們的發現：「通過深度學習視網膜眼底照片預測引起心血管疾病的危險因素」。

視網膜眼底照片包括眼睛的血管，這篇論文顯示可以利用血管準確預測心血管疾病的危險因素，包括其人是否吸煙、血壓、年齡、性別以及某人是否曾經有過心臟病發作。該演算法也能夠推斷出一個人的種族，這也是心血管相關疾病的一個因素。

谷歌的大腦團隊（Brain Team）產品經理Lily Peng寫道：「用來自284,335名患者的數據對深度學習演算法進行訓練，我們能夠通過視網膜照片對兩個來自12,026名和999名患者的獨立數據集進行心血管疾病危險因素的預測，而且預測的準確度高得驚人。」

這個數據集包括來自英國Biobank資料庫的48101名患者和來自EyePACS資料庫的236244名患者。

正如文章指出的那樣，還有一些其他的方法可以通過患者的病史和血液樣本評估心血管疾病的風險，但有時關鍵信息是缺失的，如膽固醇水平。

視網膜圖像掃描可以為發現心臟疾病信號提供一種快速、廉價且無創的方式。

鑒於該演算法可以準確預測風險因素，科學家們還訓練該演算法來預測主要心血管疾病的發作，如五年內心臟病發作。

Peng寫道：「我們的演算法能夠在70％的時間內挑選出曾經發作過心血管疾病的患者。這種準確程度已經接近了其他的心血管疾病風險計算方式，而這些方式需要抽血測量膽固醇。」

研究人員還使用注意力圖來研究演算法如何進行預測，比如是否關注通過血管來預測年齡、吸煙狀況和血壓。

正如Peng所說，打開黑匣子並且解釋清楚預測是如何進行的，應該會讓醫生對該演算法更有信心。

Verily的心血管健康創新負責人Michael McConnell表示，這項研究很有前途的，但現在還處於早期階段。

他指出：「在進入臨床之前，必須還要完成更多的工作，在更大範圍的患者群體中開發和驗證這些發現。」

然而，如果進一步的研究證實了這些發現，視網膜圖像的使用可以減少醫生討論患者預防措施的障礙。

阿德萊德大學專門研究機器學習分析的醫學研究員盧克·奧克登-雷納(LukeOakden-Rayner)告訴Verge說，這項工作非常紮實，並展示了人工智慧如何幫助改進現有的診斷工具。

Oakden-Rayner說：「他們從臨床上獲取的數據比我們目前所得到的要多。」「它不是取代醫生，而是試圖擴大我們的實際能力。」為了訓練這個演算法，谷歌和維利的科學家利用機器學習來分析近300000名病人的醫學數據集，這些信息包括眼睛掃描和一般醫學數據。

與所有深入學習分析一樣，神經網路隨後被用於挖掘這些信息以獲取模型，學習將眼部掃描中的信號與預測心血管風險(如年齡和血壓)所需的指標聯繫起來。

儘管通過眼睛觀測來判斷心臟健康的想法聽起來很不尋常，但它確實是來自於大量成熟的研究。

眼睛的後內壁(眼底)充滿了血管，反映身體的整體健康。通過用專業相機設備和顯微鏡研究他們的外表，醫生可以推斷出一個人的血壓、年齡、是否吸煙等指標都是心血管健康的重要預測因素。

谷歌的演算法提供了兩名患者的視網膜圖像，其中一名患者在接下來的五年里經歷了心血管事件，另一名患者沒有，谷歌的演算法能夠分辨出的準確率達到了70%。

這僅僅比常用的預測心血管風險的評分方法稍差，後者需要進行血液測試，並在同一測試中做出正確的正確預測率也只是達到72%。倫敦大學洛杉磯分校(UCL)心血管生理學和藥理學教授阿倫·休斯(Alun Hughes)表示，谷歌的做法聽起來是可信的，因為來源於「長期以來一直在觀察視網膜以預測心血管風險」。

他補充說，人工智慧有可能加快現有的醫學分析形式，但他警告說，在被信任之前，該演算法需要進一步測試。

對於谷歌來說，這項工作不僅僅是一種判斷心血管風險的新方法，它指向了一個新的以AI為動力的科學發現範例。

雖然大多數醫療演算法都是為了複製現有的診斷工具而建立的（例如識別皮膚癌），但該演算法找到了分析現有醫療數據的新方法。

有了足夠的數據，希望人工智慧能夠創造全新的醫學見解，而無需人為指導。 這可能是谷歌創建項目的原因之一。

目前，人工智慧醫生在沒有人類監督的情況下提出新診斷的想法看似有很長的路要走，但谷歌的此類研究表明，這一想法並非完全遙不可及。

--------------------------------------------------------------------------------------------------------

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！